突然爆火的 Manus 到底是什么？真有那么神吗？

继 DeepSeek 之后，这两天，又有一款 AI 产品突然爆火——Manus。

在一些 AI 博主们的宣传中，它被称为“对标 Deepseek ”“全球首个通用型 AI Agent ”、“第二个国运级 AI 产品”、“震惊硅谷”……更夸张的是，二手交易平台上 Manus 的邀请码居然被炒到了数万元一个。但同时，也有很多人说，它只是个“营销噱头”。

部分关于Manus的微博热搜。图片来源于微博

那么，Manus 到底是什么？我们今天来客观聊聊。

Manus是 AI Agent（智能体）

的一种实现形态

Manus 是由中国团队 Monica.im 开发的通用型自主AI Agent（智能体），这个团队另一个产品就是火爆海外的 Monica AI 插件。

Manus 的工作原理是基于底层 AI 大模型的能力基础，通过自主任务分解将复杂任务拆解为多个子任务，并动态调用不同的 Agent 或工具来执行每个子任务，最终完成整体任务。

在具体的实践中，它像一个“自主性比较高的助理”，我们只需要告诉它最终目标，它会自动帮我们执行完成。

对 Manus 能干嘛还是看得云里雾里？来看看 2 个 Manus 官方给的演示案例：

除了上面展示的案例，我们还可以用 Manus 撰写传播策划案，编写程序，写述职报告等。

看到这里，可能你会疑惑，上面这些能力用 GPT、DeepSeek 这样的 AI 产品不是也能做到吗？Manus 和它之间的区别是啥？

这个问题问得好！它们之间是有本质区别的：

DeepSeek 和 GPT 等都是大语言模型，而 Manus 是基于底层 AI 大模型的通用型 AI 自主智能体。Manus 的尝试在于在产品化设计（如任务拆解可视化、多模型动态调度），而非底层技术原创性。

在具体的使用时，大语言模型像“大脑”，在使用它时，通常需要用户明确地指导任务的拆解和执行顺序。例如，用户可能需要手动提示 AI 先生成大纲，再根据大纲生成内容，最后整合成完整文章。这种模式对用户的要求较高，需要用户对任务拆解有清晰的认识和表达能力。

Manus 在实际任务执行中，恰好就帮我们完成了这一部分，它能自动将复杂任务分解成多个小步骤。

以让 AI 玩 2048 游戏为例，如果是用 DeepSeek、GPT等 AI 产品，整个过程会是这样的：

我们需要先帮 AI 找到这个 2048 小游戏的网站，然后还得告诉 AI 游戏规则，最后 AI 才能开始玩游戏。整个过程中，需要我们不断引导和指示 AI 该怎么做。

而用 Manus，我们只需要下达一个指令——“想玩 2048 这个游戏，并拿到最高分”，它就会自动将任务拆分成多个小步骤：找到游戏网站、学习规则、制定策略、执行游戏操作......全程不需要我们的干预，最终它会完成游戏并向我们展示结果。

Manus的任务实践过程

其实早在 Manus 之前，你就可能已经用过很多 AI Agent 。

比如豆包的“拍照识万物”，它作为一个专门用于图像识别的基础智能体，已经在实际应用中展现了 AI Agent 的基本特性。

滑动查看任务实践过程

不过和 Manus 相比，它的功能相对单一，主要依靠预训练知识和内置能力，能够帮助用户完成特定的任务，比如识别图片中的物体并给出相关解答，但其能力范围和自主性都相对有限。

除了豆包之外，“秘塔 AI 搜索”也是一种相对基础的 AI Agent 。它的特别之处在于能够自主决定搜索策略，调用搜索功能，并根据用户提问和搜索到的资料给出更准确、可靠且完善的回答。

当我问“什么是 AI Agent ，举例说明”时，秘塔 AI 搜索并不像普通大语言模型那样直接给出答案。它会先将这个问题拆分成几个小问题，就像是解决一个复杂数学题时先分解成几个简单步骤一样。然后它会逐个回答这些小问题，最后把所有信息整合成一个完整的回答。

滑动查看任务实践过程

Manus的缺点依旧明显

目前，Manus 虽然在某些方面确实表现出色，缺点也相当明显。

1.上下文限制

就拿上下文长度这个问题来说吧，它就像是一个人的短期记忆容量——再聪明的人也记不住太多信息。Manus 执行的大多数任务，最终都会卡在上下文限制上。比如下面这个 2048 游戏的例子，原本计划让 Manus 玩 5 局，结果才玩了 2 局就不得不停下来了。

根本原因还是基础的 AI 大模型支持的上下文长度有限。当交互内容积累到一定程度，系统就无法再处理更多信息，只能中断任务。

当然这个问题后续还是非常好优化的，这就像是手机内存从最初的几 MB 发展到现在的几百 GB 一样，时间会解决大部分的容量问题限制。

2.AI 幻觉

现阶段每个 AI 都会有幻觉存在（可回顾往期文章《AI 有多会一本正经地瞎编？超出你的想象！深度解析大模型的"幻觉"机制》）。Manus 是基于通用大语言模型构建的，幻觉发生的概率更大，甚至可能像滚雪球一样越滚越大

目前大量实操案例都表明，Manus 交付的最终成果中往往都存在错误，需要人工进一步筛查。

3.资源获取受限

很多信息所在的平台都需要账号密码登陆才能获取，导致在执行任务时，Manus 也无法获取许多优质资源。Manus 就像被挡在图书馆门外的学生，看得到书但拿不到手。这种“看得见吃不着”的问题在很多实操场景中都会发生。

Agent 是 AI 发展的趋势之一

总的来说，包括 Manus 在内的 AI Agent 确实是人工智能发展的重要趋势。

对普通用户而言，AI 不再是一个需要精心“喂养”提示词的工具，而是一个能真正理解并执行任务的助手，能极大的提高个人效率。对企业而言，AI Agent 能大幅降低 AI 落地的门槛，让更多行业和场景能够切实享受到 AI 带来的效率提升。AI Agent 是连接 AI 技术与实际应用的重要桥梁，帮助我们真正释放大模型的潜力，实现 AI 的广泛落地。

未来，随着技术的进步，我们有理由相信 AI Agent 的能力边界会不断扩展，也会有更多更好用 AI Agent 产品。

划重点！！！

千万不要因为“ AI 焦虑”而真的花几万块钱来买一个 Manus 的邀请码。

策划制作

作者丨田威 AI 工具研究者

审核丨于乃功 北京工业大学机器人工程专业负责人，北京人工智能研究院机器人研究中心主任，博士生导师

于旸 腾讯玄武实验室负责人

策划丨林林

责编丨杨雅萍

审校丨徐来 林林